50
Sunjoyo, 2013:65. Mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:
1. menganalisis matrik korelasi variabel-variabel independen, jika diantara
variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolonieritas,
2. multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya
2 variance inflation factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau
sama dengan nilai VIF 10. Beberapa alternatif cara untuk mengatasi masalah multikolinearitas
menurut Erlina 2011:104 adalah sebagai berikut: a.
mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi,
b. menambah jumlah observasi atau menambah ukuran sampel,
c. mentransformasikan data kedalam bentuk lain misalnya logaritma natural,
akar kuadrat atau bentuk first difference delta, d.
dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.
3.6.1.3 Uji Heterokedastisitas
“Uji heterokedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain.
Model regresi yang memenuhi persyaratan adalah terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut
Universitas Sumatera Utara
51
homoskedastisitas” Sunjoyo, 2013:69. Heteroskedastisitas dapat dilakukan dengan melihat grafik Scaterplot antara nilai prediksi variabel independen dengan
nilai residualnya. Dasar yang digunakan untuk menentukan heteroskedastisitas antara lain :
a. ada pola tertentu seperti titik – titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian mnenyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
b. tidak ada pola yang jelas serta titik – titik yang menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.6.1.4Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan
pengganggu periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Adanya autokorelasi
dapat diuji dengan menggunakan uji Durbin-Watson D-W, dengan kriteria du d 4 – du. Nilai d menunjukkan angka D-W yang diperoleh dari hasil output
SPSS pada tabel model summary, sedangkan du merupakan batas atas dari tabel Durbin-Watson yang nilainya disesuaikan dengan jumlah observasi dan berapa
banyak variabel observasi dengan tingkat alpha 5.
3.6.1.5 Analisis Regresi
Data yang telah dikumpulkan dianalisis dengan menggunakan alat analisis statistik yakni :
1. Analisis regresi linear sederhana simple regression analysis.
Universitas Sumatera Utara
52
Y = α+ β₁X₁ + e 2. Analisis regresi linear berganda multiple regression analysis.
Y = α+ β₁X₁+ β₂X₂+ β₃X₁X₂Z+ e Keterangan :
Y = Opini Going Concern
α =Konstanta
β₁- β₃ =Koefisien Regresi X
₁ = Total Asset
X ₂
= Leverage Z
=
Probability Of Bankruptcy X
₁X₂Z =Interaksi antara Total Asset dan Leverage dengan probability of bankruptcy
E =Error Term,yaitu tingkat kesalahan penduga dalam penelitian
Uji interaksi atau sering disebut dengan Moderated Regression Analysis MRA merupakan aplikasi khusus regresi berganda linear dimana dalam
persamaan regresinya mengandung unsur interaksi perkalian dua atau lebih variabel independen. Variabel perkalian antara Total Asset X
₁, Leverage X
2
dan Probability Of Bankruptcy Z merupakan variabel moderating oleh karena menggambarkan pengaruh moderating variabel Probability Of Bankruptcy X
3
terhadap hubungan Total Asset X ₁, Leverage X
2
dan Opini Going concern Y.
Universitas Sumatera Utara
53
3.6.1.6 Uji Hipotesis
